相关实验视频
Updated: Jun 24, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
临床试验空间多态学分析和虚拟临床试验的整合使免疫治疗反应预测和生物标志物发现成为可能
Shuming Zhang1, Atul Deshpande2,3,4, Babita K Verma1
1Department of Biomedical Engineering, Johns Hopkins University School of Medicine, Baltimore, Maryland.
Cancer research
|June 11, 2024
概括
计算建模推进了肝细胞癌 (HCC) 治疗,通过模拟在中的疗法. 这种方法有助于预测患者的结果,并发现免疫治疗的生物标志物,加速新药的开发.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 免疫治疗是一种免疫疗法.
背景情况:
- 肝细胞癌 (HCC) 缺乏有效的治疗选择,需要新的治疗策略.
- 传统药物开发是漫长而昂贵的,涉及动物模型和人体试验.
- 在 silico 计算建模提供了一个有前途的途径,以加速发现和提供新的癌症疗法.
研究的目的:
- 开发一种新的计算模型来模拟肝细胞癌 (HCC) 进展和组合免疫疗法效应.
- 为了促进剂量方案的设计和识别HCC免疫治疗的潜在生物标志物.
- 为了捕捉器官规模的瘤进展和HCC的空间异质性.
主要方法:
- 开发了一个空间定量系统药理模型用于HCC.
- 以文学衍生参数启动模型,并将其适应HCC的规格.
- 通过使用来自HCC临床试验的空间多组数据 (蛋白质组,转录组) 验证了该模型,该试验结合了抗PD1免疫疗法和卡博桑提尼布.
主要成果:
- 使用成像质量细胞计的模型验证显示CD8T细胞和巨细胞之间的接近与无反应相关.
- 空间转录组学数据证实了模拟结果,突出了瘤血管和TGFβ在免疫相互作用中的作用.
- 该模型成功预测了患者的结果,并确定了潜在的生物标志物.
结论:
- 将数学建模和计算机模拟与空间多态数据集成为HCC研究提供了一种强大的方法.
- 这种结合的方法使得有效的患者结果预测和免疫治疗的生物标志物发现.
- 开发的计算模型加速了治疗肝细胞癌的新疗法.
